MétaCan
Menu
Retour à la cohorte
Enregistrement W2803163617 · doi:10.3390/healthcare6020050

Under the Same Sky: Connecting Students and Cultures through Circumpolar Nursing Education

2018· article· en· W2803163617 sur OpenAlexaff
Bente Norbye, Lorna Butler, Heather Exner-Pirot

Notice bibliographique

RevueHealthcare · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesUniversity of the Arctic
Mots-clésCircumpolar starEnablingIndigenousPhotovoiceSociologyNursingPsychologyMedicineEconomic growthEcology

Résumé

récupéré en direct d'OpenAlex

The recruitment and retention of health professionals in rural, remote, and northern regions is an ongoing challenge. The Northern Nursing Education Network brought together nursing students working in rural and remote regions of the circumpolar north in Innovative Learning Institute on Circumpolar Health (ILICH) events to create opportunities for shared learning and expose both students and faculty to local and traditional knowledge that informs health behaviors specific to regions with Indigenous populations. Using participant experience data extracted from program discussions, evaluations, and reflective notes conducted after ILICH events held in 2015⁻2017, this paper explores how these two-week institutes can contribute to knowledge that is locally relevant yet transferable to rural areas across the circumpolar north. The findings clustered around experiences related to (1) Language as a barrier and an enabler; (2) shared values and traditions across borders; (3) differences and similarities in nursing practice; (4) new perspectives in nursing; and (5) building sustainable partnerships. Students learned more about their own culture as well as others by exploring the importance of language, cultures, and health inequity on different continents. Shared values and traditional knowledge impacted student perspectives of social determinants of health that are highly relevant for nurses working in the circumpolar north.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0140,010
Communication savante0,0130,008
Science ouverte0,0020,024
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,111
Tête enseignante GPT0,551
Écart entre enseignants0,440 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealthcareMême sujetGlobal Health Workforce IssuesTravaux en français237 207